基于KDD理論的景象匹配技術研究.pdf

1、景象匹配制導是在航天技術、衛(wèi)星應用技術、傳感器技術、計算機技術、圖像處理及模式識別的基礎上發(fā)展起來的一門新技術，它在飛機輔助導航、遠程武器或精確制導武器系統(tǒng)如巡航導彈的末制導、圖像目標的搜索與跟蹤等軍事領域具有重要的應用價值。景象匹配系統(tǒng)的性能往往受云層遮擋及景象局部重復度的影響。實時圖與基準圖的不相似或者基準圖的局部相似都會降低景象匹配算法的可靠性。為了提高景象匹配系統(tǒng)的可靠性，本文提出一種基于知識發(fā)現(xiàn)(Knowledge Disco

2、very in Database，KDD)的景象匹配算法。 論文以KDD景象匹配算法為研究重點，在參考和分析大量KDD理論方法的基礎上，提出適用于景象匹配問題的KDD算法及模型，完成具備人機交互模式的KDD景象匹配系統(tǒng)。 論文研究內(nèi)容及成果主要包括以下幾個方面： 1、KDD景象匹配系統(tǒng)方案研究。景象匹配系統(tǒng)是個計算機視覺系統(tǒng)，設計KDD景象匹配系統(tǒng)也就是將計算機視覺系統(tǒng)KDD化。本文分析了KDD智能算法的共性及發(fā)

3、展規(guī)律。提出了KDD景象匹配系統(tǒng)的結構框架，歸納了為實現(xiàn)KDD景象匹配系統(tǒng)所需解決的問題。 2、基于聚類運算的邊緣檢測算法研究。圖像中的邊緣信息豐富且穩(wěn)定，適合描述圖像的形態(tài)。本文用邊緣來描述圖像特征點的形態(tài)。基于滾雪球的聚類模型，提出一種能夠動態(tài)檢驗邊緣分布的動態(tài)模板算法。此算法能夠自適應地設置模板的權值，可提高邊緣提取的效率與質量，為下一步的圍線追蹤打下了基礎。 3、復合型圖像特征信息研究。Harris角點對于圖像的

4、剛性變換保持位置穩(wěn)定，本文用Harris角點來描述圖像特征點的位置。并將其與形態(tài)信息綁定起來，形成描述圖像的完備集合。在Harris角點以及邊緣圍線追蹤算法的基礎上，提出了表述圍線形態(tài)的ID編碼方法。提出了角點位置信息與圍線形態(tài)信息的綁定方法，形成了復合型圖像特征描述子，用特征描述子集合來表述圖像。 4、SNN(Share neast neighbor)核匹配算法研究。景象匹配面臨的最大問題是如何衡量不等維數(shù)據(jù)的相似度。很多傳統(tǒng)

5、算法面對數(shù)據(jù)對不齊問題時容易陷入局部極小。本文認為SNN算法可以解決數(shù)據(jù)對不齊問題。但SNN算法是無標簽的模式識別問題而景象匹配是有標簽的模式識別問題，因此本文 提出了基于電荷吸引模型的SNN方法核。通過把圖像特征描述子映射到核空間，把景象匹配問題轉化成聚類問題。通過仿真實驗討論了SNN核方法的運行效率、匹配精度以及魯棒性。 5、KDD景象匹配系統(tǒng)平臺構建與仿真。整合一個完整的KDD景象匹配系統(tǒng)，設計了人機交互接口